AlphaGo 2.0沒實質突破 AI革命任重道遠

科技訊5月25日消息，人機大戰第二局落幕，柯潔在與AlphaGo的對弈中出現(xiàn)失誤，最終以155手中盤投子認負。對此，獵豹移動CEO傅盛認爲，AlphaGo 2.0未有實質突破，“從零開始”AI革命任重道遠。傅盛認爲Deepmind作爲世界最頂尖的深度學習機構，引領着人類在深度學習上的探索。但(dàn)一年的時間，AlphaGo 2.0本質上隻優化了算法，提升了運算能力。這也提醒廣大的AI從業者，不要僅僅寄希望于爆炸性的技術突破，落腳當下應該聚焦AI與應用相(xiàng)結合。

賽前獵豹移動CEO傅盛預測AlphaGo目前版本并未做脫離(lí)監督學習，如果能做到，新版本的技術突破其實不亞于第一版AlphaGo的意義。從零開始訓練，意味着利用增強學習從零開始演化，純粹靠對局最後的Reward（勝負）來學習。“用RL模型在初始沒有監督的情況下想要收斂到接近最優解還是(shì)一個很開放(fàng)的問題，哪怕對于紅白機的一些遊戲也不能完全做到。如果AlphaGo 2能夠完成從零開始學習，很可能意味着對于增強學習算法本身有比較重大的突破，而這種突破可能不僅用于圍棋，也有大量對其他應用的可能，所以意義會不亞于AlphaGo 1的橫空出世。”

 

傅盛的觀點在賽後得以認證，AlphaGo的核心作者之一Aja Huang(黃士傑)在首戰後聲明“此次AlphaGo是(shì)單機版，但(dàn)仍有人類知(zhī)識的訓練。”

“AlphaGo 2.0并沒有本質性突破，我們期待的無監督學習并沒有到來。Deepmind作爲世界最頂尖的深度學習機構，引領着人類在深度學習上的探索。但(dàn)一年的時間，AlphaGo 2.0本質上隻優化了算法，提升了運算能力。這也提醒廣大的AI從業者，不要僅僅寄希望于爆炸性的技術突破，落腳當下應該聚焦AI與應用相(xiàng)結合”傅盛說。

而這一AI應用結合論“由來已久”，傅盛曾多次公開指出深度學習的機會在于和應用的集合而不僅僅是(shì)技術輸出。他認爲深度學習是(shì)算法革命，本質上降低了技術壁壘。由于基本算法模型的固定化，算法的驅動力已經大大地降低了，算法驅動變成了數據驅動。因此，深度學習的核心是(shì)數據驅動，雖然有模型調參的機構會有自己的優勢，但(dàn)更多的數據調參會很快拉平優勢。

本質上，雖然AI是(shì)一個技術和工具 ，但(dàn)是(shì)由于互聯網的加速發展，今天一個獨立的技術本身已經很難成爲一個完全的行業。很難想像一家公司通過技術輸出就能成功，未來深度學習是(shì)基礎的技術運用，很多公司都會具備深度學習的研發能力。所有的公司都将是(shì)科技公司。科技是(shì)基礎點，需要和應用結合。

而這一論調并非空穴來風，獵豹去(qù)年收購了法國一家新聞産品News Republic，把用戶的點擊行爲變成數據的标注部分，神經網絡會找到自動的相(xiàng)關新聞進行推送。獵豹還做了直播類應用Live.me，現(xiàn)在是(shì)美國最大的第三方直播平台，每天有幾十萬的美國用戶開播，産生幾百萬、上千萬張标準人臉，這個數據使得獵豹能夠找到精準的數據。獵豹研發的人臉識别技術，在色情和兒童識别上有大量應用。在最近的 LFW 人臉識别的評測中，獵豹取得了前三名的成績。

從深藍到阿法狗，棋牌類遊戲一直被用來檢驗人類與人工智能的差距，追溯原因，一方面棋類曆史悠久，人類有足夠的積累，圍棋擁有的變化足夠多，暴力搜索不能解決問題，必須要讓AI有＂直覺＂；另一方面在博弈中屬于完全信息博弈（Complete information），其實是(shì)最方便拿來驗證AI能力。傅盛預測，未來AI所扮演的是(shì)助手的角色，而不是(shì)對抗的角色，将是(shì)人機共存的時代。